Garden Skills: Fünf produktionsreife Agent-Skills von ConardLi für Codierungsagenten

Garden Skills als kuratierte Sammlung von Agent-Skills mit SKILL.md-Format

ConardLi/garden-skills ist eine kuratierte Sammlung produktionsreifer Agent-Skills für KI-Codierungsagenten wie Claude Code, Cursor und Codex. Die Sammlung umfasst fünf Fähigkeiten: web-video-presentation, web-design-engineer, gpt-image-2, kb-retriever und beautiful-article. Jede Fähigkeit ist ein eigenständiger Ordner mit einer verpflichtenden SKILL.md, dem Format der Agent-Skills-Spezifikation, plus optionalen Referenzdokumenten, Skripten und Assets. Die README listet eine Kompatibilität für Claude Code, Claude.ai, Cursor, Codex CLI, Gemini CLI und OpenCode. Der Metadaten-Stand Ende August 2026 weist 11.543 Sterne und 1.431 Forks aus, bei 16 offenen Issues, die Sprache ist CSS, die Lizenz MIT. Releases erscheinen pro Skill, zuletzt web-design-engineer v1.3.0 vom 12. Juli 2026 und web-video-presentation v1.2.2 vom 9. Juni 2026.

web-video-presentation: klickgesteuerte 16:9-Bühnen mit 23 Themes und pluggable TTS

web-video-presentation baut aufnahmebereite Vite-, React- und TypeScript-Präsentationen, die sich wie Videoproduktionsoberflächen verhalten. Aus rohen Artikeln entsteht ein Erzählskript, dessen Beats auf Vollbildszenen abgebildet werden; die Bühne ist fest auf 1920 mal 1080 Pixel gesetzt und skaliert auf den Viewport, damit Bildschirmaufnahmen stabil bleiben. Ein klick- und tastaturgesteuerter Cursor arbeitet mit einem Erzähl-Beat pro visuellem Schritt, Fortschrittskontrollen sind versteckt und erscheinen nur beim Hover. Die Theme-Token-Architektur bringt 23 eingebaute Themes mit eigenen Designsprachen mit, darunter editorial, terminal und engineering. Textausgabe ist optional und pluggable: zwei eingebaute Provider, MiniMax über mmx-cli und OpenAI TTS über curl, plus einfügbare Snippets für ElevenLabs, edge-tts, Azure, Google Cloud und macOS say. Harte Checkpoints für Skript, Theme, Gliederung, Implementierungsmodus und Audio halten den Nutzer im Loop.

web-design-engineer: fünf Dials, 25 Stilrezepte und eine Anti-Klischee-Blockliste

web-design-engineer behandelt den Agenten als Designingenieur statt als UI-Generator. Aus dem Briefing entsteht ein Design Read mit fünf Dials: Varianz, Bewegung, Dichte, Asset-Abhängigkeit und Markentreue. Bevor ein bestehendes Produkt verändert wird, unterscheidet der Skill die Redesign-Modi extension, preserve und overhaul; eine ausführbare Browser-Abnahme läuft nur, wenn der Nutzer ausdrücklich Abnahme, QA oder Browser-Tests anfordert. Ein Design Direction Advisor mit sechs Schulen und 25 verankerten Stilrezepten liefert konkrete Paletten, Typografie, charakteristische Gesten und Anti-Patterns, benannt nach Vorbildern wie Linear, Aesop, Pentagram, Bloomberg, Stripe Press und Mid-Century. Eine Anti-Klischee-Blockliste soll generische KI-UI-Muster verhindern. Die Implementierungsregeln decken Inline-React mit Babel, CSS-Tokens, oklch()-Farbwerte, Container Queries und reduced-motion ab.

gpt-image-2: drei Laufzeitmodi und 79 strukturierte Prompt-Vorlagen

gpt-image-2 ist ein Skill für Bildgenerierung mit GPT Image 2 und OpenAI-kompatiblen Bild-APIs. Er kennt drei Laufzeitmodi: vollständige lokale Garden-Generierung, Delegation an hosteigene Bildwerkzeuge und reiner Prompt-Advisor-Modus. Jede Aufgabe beginnt mit einer Moduserkennung, damit nicht stillschweigend der falsche Ausführungspfad gewählt wird. Unter references liegen 18 visuelle Kategorien und 79 strukturierte Prompt-Vorlagen, und es gibt dedizierte Workflows für Bildgenerierung und Bildbearbeitung. Im Garden-Modus landen Prompts und erzeugte Bilder unter garden-gpt-image-2, was Wiederverwendung, Prüfung und Versionierung erleichtert. Für Teams, die wiederkehrend illustrationss lastige Inhalte produzieren, bedeutet das einen dokumentierten Generierungspfad statt ad hoc formulierter Prompts.

kb-retriever: schrittweiser Abruf aus lokalen Wissensdatenbanken mit fünf Runden Limit

kb-retriever ist ein lokaler Abruf-Skill für Wissensdatenbanken, der um vorsichtige, schrittweise Suche herum gebaut ist. Statt ganze Dateien zu laden, navigiert er durch hierarchische Indexdateien, grenzt die Kandidatenmenge ein und behandelt komplexe Dateitypen korrekt. Für PDF- und Excel-Dateien gilt eine Lernen-vor-Verarbeiten-Regel: Vor der Extraktion werden die zugehörigen Referenzdokumente konsultiert. Die Suche kombiniert Stichworttreffer, lokale Fensterlesungen, Synonyme und iterative Verfeinerung, begrenzt auf höchstens fünf Suchrunden. Mitgelieferte Workflows nutzen grep, pdftotext, pdfplumber und pandas; die Antwortformatierung ist quellenbewusst. Damit adressiert der Skill den verbreiteten Fehlerfall, dass ein Agent aus einer großen lokalen Dokumentsammlung die falschen Ausschnitte zieht.

beautiful-article: redaktioneller Harness mit drei Checkpoints bis zur HTML-Datei

beautiful-article wandelt Quellmaterial in einen polierten, teilbaren Artikel und läuft dafür durch eine Schleife aus Quelle, Plan, Doppelbestätigung, Build, Endprüfung und Reparatur. Drei harte Checkpoints holen Nutzerentscheidungen ein, zu Artikeltyp, Thema, Layout, Bildstrategie, Cover und Lieferformat. Der Ansatz ist artikel-zuerst: Geliefert wird eine eigenständige HTML-Datei, optional ergänzt um ein PDF. Das Reacticle-Komponentenprotokoll definiert prosa-zuerst semantische Komponenten; mitgebündelt sind 10 Artikeltypen mit Erhaltungsraten, 11 Autoren-Themeprofile und ein knotenbasiertes Qualitätsprotokoll mit Haupt- und Unteragentenprüfungen. Damit ist der Skill auf die übliche Situation gerichtet, in der Agenten funktional korrekte, aber austauschbar formatierte Textseiten ausgeben.

Fünf Installationswege vom npx-Aufruf bis zum Git-Submodul

Die README dokumentiert fünf Installationspfade. Der erste ist die Skills-CLI über npx, der zweite der Claude-Code-Plugin-Marketplace, der dritte gepinnte ZIP-Dateien aus den GitHub Releases, jeweils mit Download-Link zur aktuellen Version eines Skills. Der vierte ist manuelles Kopieren nach dem Klonen in das agentspezifische Verzeichnis, der fünfte ein Git-Submodul, das Updates über die normale Git-Workflows abwickelt. Die Wahl hängt vom Agenten und vom Verwaltungsbedarf ab: Für schnelle Tests genügt die CLI, für versionierte Teams betreute Umbgebungen sind Releases und Submodule der sauberere Weg. Beiträge sind willkommen, die maintainerorientierte Dokumentation liegt in CONTRIBUTING.md, und die MIT-Lizenz erlaubt Nutzung, Veränderung und kommerziellen Einsatz bei erhaltener Urheberrechtsnotiz.

Fazit: wofür sich die Sammlung aus ConardLi/garden-skills eignet

Garden Skills füllt die Lücke zwischen einem nackten Coding-Agenten und wiederkehrenden Ausgabeworkloads. Die fünf Skills decken getrennte Szenarien ab: Video-ähnliche Präsentationen mit web-video-presentation, Designqualität mit web-design-engineer, Bildgenerierung mit gpt-image-2, lokaler Wissensabruf mit kb-retriever und Artikelaufbereitung mit beautiful-article. Alle laufen über dasselbe SKILL.md-Format, sind also einzeln entfernbar und kombinierbar. Unabhängig voneinander beurteilen lassen sich auch die Checkpoints: Wer volle Kontrolle behalten will, profitiert von den harten Stopps; wer autonome Läufe sucht, muss prüfen, welche Checkpoints sich für den eigenen Workflow deaktivieren lassen. Die Versionspflege pro Skill über Releases macht die Sammlung auch für Teams brauchbar, die einzelne Fähigkeiten gezielt aktualisieren wollen.

Redaktionelles Fazit

Garden Skills richtet sich an Nutzer von Claude Code, Cursor, Codex CLI, Gemini CLI oder OpenCode, die wiederkehrende Ausgabeworkloads wie Präsentationen, Designaufträge oder Bildgenerierung standardisieren wollen. Wer dagegen nur gelegentlich eine einzelne Aufgabe abwickelt, braucht kein Skill-Management. Vor dem Import lohnt der Blick auf die jeweiligen SKILL.md-Dateien, weil jede Fähigkeit eigene Checkpoints und Arbeitspfade mitbringt.

Offizielle Quellen

1. Official documentation
2. Official README
3. Project repository
4. Release notes